Học AI giỏi hay giở.
Tôi bắt đầu nghiên cứu AI từ năm 2019, năm 3 đại học, sau khi thực tập hai công ty lớn, không thấy dự án doanh nghiệp thú vị để theo, tôi rẽ ngang sang làm nghiên cứu. Bắt đầu bằng vị trí ngồi lab thầy Long Caltech. Thầy từng là một du học sinh Mỹ, với background mạnh về Toán, thầy đã giúp đỡ tôi rất nhiều để có một cái nhìn AI toàn diện. Vào tôi được thầy cho ngay một bài rất trending và thời đại lúc đó là CNN, Tensorflow. Lúc đó là học cái này có thể áp dụng vào rất nhiều bài toán nhận dạng. Nhưng với kinh nghiệm từng trải non nớt, tôi không tìm được những bài toán thực tế hay để áp dụng. Sau này nghĩ lại, nếu có một công cụ tốt trong tay lúc đó là CNN, tôi nên tìm một bài toán hay để giải quyết, khéo lại trở thành một kỳ lân AI ở Đông Nam Á.
Nói là vậy, chứ thực chất học AI khá là khoai, bạn phải nắm vững kiến thức Toán, Xác Suất… Nếu một mô hình chạy kết quả thấp, bạn phải dưới góc độ toán học, tại sao nó không phân biệt được giữa lớp A và lớp B. Nếu mô hình ra kết quả tốt, bạn lại phải xem nó đã tinh toán như thế nào mà phân biệt được, liệu có thể generalize ra cho những tập dữ liệu khác không?…
Nếu bạn thấy những tasks này làm bạn hứng thú thì chúc mừng bạn hoàn toàn có thể trở thành một người làm AI. Nếu bạn cảm thấy công việc này không phù hợp với phong cách code dạo của bản thân cho lắm, thì bạn nên chuyển sang làm cái gì đơn giản cho đời hơn :) Vì thế, cảm thấy công việc này không phù hợp với bản thân. Tôi rẽ Sang trời Âu, tôi vẫn tiếp tục nghiên cứ AI nhưng mà không chuyên sâu nữa. Tôi chuyển sang nghiên cứu những mô hình nhỏ nhưng có võ. Bản dưới đây là so sánh của tôi giữa mô hình large and small.
\table
Chung quy lại, thì đều là AI. Mô hình to thì làm được nhiều thức hay ho. Mô hình nhỏ thì hơi monotonic (đơn điệu) nhưng vòng đời phát triển nhanh. Nếu bạn thấy AI thú vị, tôi khuyên hãy bắt đầu từ lý thuyết toán rồi bắt đầu từ những mô hình nhỏ đến to. Nếu muốn theo nghiên cứu AI thì … . Nếu muốn làm ứng dụng AI thì ….